该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


多元方法 • 项目分析 • 项目分析的示例
上一个
 • 
下一个
项目分析的示例
本例使用 MathScienceTest.jmp 样本数据表，该数据表是来自 1996 年开展的第三届国际数学和科学研究项目 (TIMMS) 的数据的子集。该数据表包含关于 1236 个学生在 14 个问题上的得分（1 = 正确，0 = 不正确）。您可以通过检查前四个问题来了解答题者的数学能力和这四个问题之间的关系。测验中的问题即用于测量潜在数学能力的项目。拟合该数据的 2PL 模型。
1.
选择帮助 > 样本数据库，然后打开 MathScienceTest.jmp。
2.
选择分析 > 多元方法 > 项目分析。
3.
从题1 一直选择到题4，点击 Y，测验项目，然后点击确定。
图 10.2 项目响应报表
从对偶图中，您会注意到：题4 是四个问题中最容易回答的问题，这是因为它具有最低的难度得分 -1.78。题3 是最难的问题，其难度得分为 0.46。大多数响应者都落在能力尺度的中间到低端，如图中心部分的数据点所示。在该直方图中，您可以看到大约 40% 的响应者落在稍微高于能力尺度上的 0 的位置。
注意：不为答案全部正确或全部不正确的个人计算能力得分。详细信息，请参见拟合 IRT 模型。
4.
点击灰色的“特征曲线”报表展开图标将其打开。
5.
点击“项目分析”红色小三角菜单，然后选择横向图数。
6.
输入 2 并点击确定。
7.
点击灰色的“信息图”报表展开图标将其打开。
图 10.3 项目响应示例
题1 具有平直的特征曲线和平直的信息曲线。这表明 题1 没有为区分响应者的数学能力提供太多信息。题2 的特征曲线比较陡峭，这表明 题2 对于区分响应者能力很有用。每个图中的垂线都位于特征曲线的拐点。这条垂线即响应者有 50% 的概率正确回答指定问题的能力水平。
信息图指示所分析的四个问题共同提供了关于 -1（大约）到 0 之间的能力水平的多数信息。在模型中包括更多难度更大的问题将会加宽信息曲线。